30 天後不要停在學習清單，要進入作品循環
30 天基礎學習的目的，不是讓你立刻變成資深工程師。它比較像是把霧撥開一點，讓你知道 AI、ChatGPT、LLM、API、JSON、Python、作品集這些東西大概怎麼接在一起。
真正的問題會在 30 天後出現。因為你已經看懂一些名詞，但還沒有足夠作品。你知道 AI 很重要，也知道可以做工具，但你還不知道自己離職缺差多遠。
這時候如果你繼續收藏更多課程、更多工具、更多文章，焦慮通常不會下降。你會覺得自己一直在學，卻沒有任何東西可以拿給別人看。
下一步要切換成作品循環：選一個小問題，做一個能展示的版本，寫 README 和作品說明，拿職缺要求來對照，再回頭補不足的技術。這個循環會比單純上課更接近轉職現場。
下一步路線
從學習清單進入作品循環
一直學更多，可能只是延後面對能力缺口
很多人學 AI 最大的問題不是不努力，而是努力沒有輸出。每天看教學、收藏工具、整理筆記，短期會很有成就感，但外部世界看不到。
職場和轉職都很現實。別人很難因為你看過多少文章就相信你。對方會看你做過什麼、能不能解釋流程、能不能展示結果、能不能承認限制。
所以 30 天後，你要開始減少「看起來很認真」的學習，增加「能被檢查」的輸出。這聽起來比較有壓力，但它會讓你更快知道自己真正卡在哪。
如果你還停在只學不做，危險不是學得慢，而是你一直無法判斷自己有沒有進步。沒有作品，你很難知道哪些知識真的用得上，哪些只是讓你覺得自己有在前進。
先選一條主線，不要每條路都同時追
AI 的路線很多。AI 應用工程師、資料工程師、機器學習工程師、AI 產品、工作效率自動化、內容工具，每條路都可以學很深。新手最容易犯的錯，是看到每條路都覺得重要，最後每條都只碰一點。
如果你想走 AI 應用工程師，主線應該是 API、前後端、資料格式、產品流程、部署和作品展示。你要能把 AI 能力放進一個可用工具裡。
如果你想先用 AI 改善工作效率，主線會是 Prompt、文件整理、表格處理、自動化流程、內容產出和工作流設計。這條路可以先幫你在原本工作中產生價值，也能累積作品題材。
如果你想往資料或機器學習更深走，才需要逐步補統計、資料處理、模型訓練、模型評估和資料管線。這條路不是不能走，但它比較長，不適合還沒搞懂 AI 應用流程時就硬跳進去。
我的建議很直接：如果你的目標是一般上班族轉職，先把主線放在 AI 應用工程師或 AI 工作流工具。它離作品、職缺、前台內容和未來課程變現都比較近。
方向選擇
30 天後先選一條主線
作品循環要照五個步驟跑
第一步是選小問題。不要一開始做「全自動公司助理」這種太大的題目。選 PDF 摘要、履歷比對、FAQ Bot、會議重點整理、表格資料檢查這種能清楚展示流程的題目。
第二步是定義輸入和輸出。輸入是使用者給什麼資料，輸出是系統要回傳什麼欄位。這一步很重要，因為 AI 工具不是只會回答，而是要把回答整理成使用者看得懂的結果。
第三步是做最小可展示版本。你不需要一開始就有會員系統、付款、資料庫、漂亮後台。先讓使用者能輸入內容，AI 能處理，結果能被看懂。
第四步是寫作品說明。README 不能只寫安裝方法，也要寫問題、流程、技術選擇、限制和下一版。這是轉職者建立信任的地方。
第五步是拿職缺回來檢查。看職缺要求裡哪些能力你的作品已經能證明，哪些還缺。缺 API 就補 API，缺部署就補部署，缺資料處理就補資料處理。
作品循環
每個作品都跑一次這個流程
用職缺當回饋，不是用來打擊自己
看職缺時，不要只看自己不會什麼。你要把職缺拆成四類：已經會、作品能證明、需要補、暫時不用碰。
例如職缺寫到 API 串接，而你的作品已經串過 OpenAI API，這可以歸到「作品能證明」。如果職缺寫到部署，而你只在本機跑過，這就是「需要補」。如果職缺寫到模型微調，但你目前目標是 AI 應用工程師，這可能先放到「暫時不用碰」。
這樣做可以把焦慮變成清單。你不再只是覺得自己什麼都不會，而是知道下一步要補什麼。
轉職最怕的是一直感覺自己落後，卻不知道缺口在哪。職缺不是拿來羞辱自己的，它是一份市場需求清單。你要用它修正作品和履歷。
下一個作品不要追炫，要補缺口
很多人第一個作品做完後，會馬上想做更炫的東西。這不一定錯，但如果你每次都只是換題目，能力可能沒有變深。
更好的做法是用第一個作品的缺口決定第二個作品。如果第一個作品沒有登入，第二個可以補使用者資料保存。如果第一個作品沒有資料庫，第二個可以補歷史紀錄。如果第一個作品沒有錯誤處理，第二個可以補失敗情境和提示。
作品集不是要展示你想到很多點子，而是展示你能力逐步長出來。第一個作品證明你能完成流程。第二個作品證明你能處理資料和狀態。第三個作品證明你能做得更像產品。
這也比較符合未來賣課的方向。你的內容不只是「這個工具怎麼做」，而是「一個上班族如何從第一個 AI 小工具，慢慢長出可被職場承認的能力」。
履歷、作品集和文章內容要一起迭代
你現在做 Worklify 這個教學站，其實有一個優勢：文章、作品集、社群內容和未來課程可以互相支撐。
文章負責把概念講清楚，作品負責證明方法可操作，社群內容負責吸引新讀者，未來課程負責把路線整理成更完整的學習系統。
所以你的下一步不只是把文章寫完。你要讓每一篇文章都能連回某個學習階段，也讓每個作品都能變成文章裡的例子。這樣網站才不會只是文章倉庫，而是有路線感的教學產品。
如果只一直寫文章，沒有作品和學習路線，SEO 可能會慢慢有流量，但轉換會弱。讀者看完後不知道下一步做什麼，就很難留下來。
30 天後用這份清單檢查自己
第一，你是否能用白話解釋 AI、ChatGPT、LLM、API、JSON 和作品集的關係。如果不能，代表基礎名詞還需要整理。
第二，你是否做出至少一個可展示作品。如果沒有，你應該先停止補新課程，把第一個作品完成。
第三，你是否能說明作品的輸入、AI 處理、輸出、限制和下一版。如果不能，代表你可能只是照做，還沒有真正理解流程。
第四，你是否看過真實職缺，並把要求拆成已會、作品能證明、需要補、暫時不用碰。如果沒有，你的學習很可能還停在自我感覺。
第五，你是否能把作品寫進履歷和作品集。如果做了作品卻寫不出來，代表你還需要練習把技術轉成職場語言。
下一個 30 天應該怎麼安排
第 1 週，選定一條主線。建議先選 AI 應用工程師或 AI 工作流工具，不要同時追模型訓練、資料工程、前端、後端和自動化所有方向。
第 2 週，完成一個小作品的核心流程。先不要追求完美 UI，重點是輸入、AI 處理、輸出、限制提醒能跑通。
第 3 週，補作品說明和 Demo。寫 README、截圖、操作流程、限制、下一版計畫。這週的重點是讓別人看得懂你做了什麼。
第 4 週，用職缺檢查差距。挑 5 到 10 個相關職缺，整理共同要求，再決定下一個月要補 API、部署、資料處理、前端互動或作品深度。
這樣安排的好處是，你每個月都有一個可見輸出，也有明確回饋。它不會保證你立刻轉職，但會讓你的努力變得比較可檢查。